Ripple 65B Preview 對決 Claude Opus 5.5：兩個代理式編碼模型，兩場不同的考試

Ripple 65B Preview 在 Terminal-Bench 上回報 80.5。Claude Opus 5.5回報 66.4。把這兩個數字放進同一欄，一個由 Ricursive Intelligence 於 2026 年 11 月 4 日發布、650 億參數的開放權重模型，似乎在最接近代理式編碼工作的基準測試上，以十四分之差擊敗 Anthropic 的旗艦模型。其實不然。Ripple 的數字是 Terminal-Bench 2.1。Opus 5.5 的數字是 Terminal-Bench 4.0。它們不是同一項考試，評分方式也不同，而這兩個版本的歷史，是買家在把任一數字當作定論之前，所能知道的最有用的一件事。

那個落差不是為了保護既有領先者而憑空發明的技術細節，而是有記錄可查的崩跌。2026 年 9 月 8 日，SemiAnalysis 讓相同模型分別跑過兩個版本：Claude Fable 5.1 從 2.1 版的 91.4 跌到 4.0 版的 55.8，GPT-6 Astra 從 88.4 跌到 57.7，Gemini 3.8 Flash 則從 89.4 跌到 19.1——對一個根本沒變的模型來說，這是 70 分的暴跌。Terminal-Bench 4.0 移除了八項任務、修正了另外十九項、套用統一的八小時逾時限制，並新增防篡改檢查。2.1 的分數和 4.0 的分數只共用一個名稱，除此之外毫無共同點。

每個模型實際上究竟是什麼

Ripple 65B Preview 是一個稠密模型，而非混合專家模型：650 億參數，每個 token 上全部激活，位於一個 80 層的「薄而深」Transformer 中，殘差流寬度為 5,120。Ricursive 的模型卡列出了更多注意力頭、更高的滑動窗口注意力與全局注意力比例、更小的滑動窗口、FFN 激活裁剪、門控注意力、全局 NoPE 以及值殘差——這組選擇被其描述為類似 Gemma 3N。它採用 Apache 2.0 許可，在 12 萬億 token 上訓練，並聲稱支持最多 100 萬 token 的上下文。

Claude Opus 5.5 是於 2026 年 9 月 22 日發布的閉源模型，具備 100 萬個 token 的上下文視窗、最大輸出 128,000 個 token、文字與圖片輸入，以及始終開啟的自適應思考——這是相較於 Opus 5 的破壞性變更，Opus 5 的思考功能原本是選擇性啟用。它提供五個投入程度等級，medium為預設值，這點很重要：幾乎所有已發布的 Opus 5.5 基準測試都是在 max 或 xhigh 下執行，而非大多數 API 呼叫會使用的設定。

• 參數 — 65B 稠密模型，全部啟用 vs 未公開，封閉權重

• 授權 — Apache 2.0，可下載 vs 專有，僅限 API

• 上下文 — 宣稱最高可達 1M，對比 1M，最大輸出 128K

• 發佈 — 2026年11月4日 vs 2026年9月22日

• 價格 — 無廠商定價；託管費率約為每百萬個 token $0.20 / $0.60，對比輸入 $4.00 / 輸出 $20.00、快取讀取 $0.20

• 獨立評分 — 尚無，對比 Artificial Analysis Intelligence Index v5.0.1 上的 59

版本相符的那一列

Terminal-Bench 是發表時想拿來論戰的戰場。SWE-bench Pro 則是開始有意思的地方，而 DeepSWE v1.1 則是開始讓人不舒服的地方。

Opus 5.5 的 SWE-bench Pro 分數是 89.9，出自 Anthropic 的系統卡。Ripple 則是 79.1——但那是在v2.0-Hard上，而且它自己的系統卡另外列出 v1.0 上的 61.42。三個數字、兩家廠商、至少兩套任務集。這裡沒有任何一個數字能從另一個數字中減出來。

DeepSWE v1.1 不同。兩個實驗室都公布了它上面的分數，而且雙方都沒有像 Terminal-Bench 被重新版本化那樣，對它重新版本化。Opus 5.5 得分 74.2。Ripple 65B Preview 得分 44.3。這是在雙方都選擇公布的基準上足足三十分的差距，而且它指向與 Terminal-Bench 圖表相反的方向。DeepSWE 是圍繞真實儲存庫工作而非 shell 任務打造的軟體工程代理基準，因此對 Ripple 所鎖定的受眾——程式設計代理——來說，它可說是兩者中更相關的一個。

对这次发布的诚实解读是：Ripple 的主打是一个 2.1 分，它自己的卡片在唯一存在同版本比较的智能体编程基准上显示 44.3，而被拿来与它比较的模型在该行以大幅优势胜出。这些都不代表 Ripple 是个差模型。它只是让 80.5 成为一个关于某场特定考试的数字。

3,200 萬美元能買到什麼，又買不到什麼

Ricursive 最有趣的說法並不是某項基準測試。而是：整個研發工作花費 3200 萬美元，約為該公司所稱先前在代理式編碼上開放權重最先進水準成本的十分之一，並以 140 萬次強化學習 rollout 達成——約為 Reflection Beam 501B 的七十分之一——且模型 FLOPs 利用率為 40%。

如果這一點站得住腳，那它比在任何基準測試上拿到 80.5 都更具份量，因為這代表進入這個能力層級的門檻價格已經下降了一個數量級。這也解釋了這個模型的形態：80 層的 65B 稠密模型是一種可以低成本訓練與服務的設計，而 Ricursive 回報在批次大小為八、兩張 B200 上可達每秒 250 個 token，而且還是在任何量化之前。一個比較基準：Opus 5.5 在 Artificial Analysis 的測試框架上測得每秒 112 個 token。

3,200 萬美元買不到的，是獨立驗證。目前還沒有已公布的第三方重跑 Ripple 數據的結果，而這個模型也完全沒有出現在 Artificial Analysis Intelligence Index——標準的中立榜單——上。Opus 5.5 在該指數上得分 59，版本 5.0.1，每項指數任務的算力成本為 $10.04。在 Ripple 被收錄之前，所有關於它的跨模型主張都只能建立在廠商表格上。

價格論證，妥善為之

誘人的說法是，Ripple 每個 token 便宜二十到三十倍。準確的說法是，Ripple 沒有定價，因為根本沒有東西可以標價：權重採用 Apache 2.0 授權且可下載。第三方型錄引用接近每百萬輸入 token 0.20 美元、每百萬輸出 token 0.60 美元的託管費率，而那些是託管費率，不是供應商價目表。自行託管會把成本轉成 GPU 與工程時間，這在穩定運作時很便宜，在第一天卻很昂貴。

Opus 5.5 則是相反的交換。每百萬 token 輸入四美元、輸出二十美元，是今天就能放進試算表的真實數字，而 $0.20 的快取讀取，讓具有穩定前綴的長時間代理迴圈遠比帳面數字便宜得多。在 OrcaRouter 上，它是超過 200 個模型之一，這些模型可透過單一金鑰、以 0% 加價存取——供應商的定價原樣透傳，因此 Anthropic 的價格變動當天就會生效，而不必等到下一次帳務對帳。

Ripple 並不在 OrcaRouter 的目錄裡，本文任何內容都不應被解讀為我們有提供它的服務。它的權重放在 Hugging Face 上，而發布時也列名了託管合作夥伴；如果你想把它當成 API 來呼叫，而不是自己執行，那就是該走的路。

該選哪一個

如果工作是在專有程式碼庫上執行、且需通過合規審查的編碼代理，Opus 5.5 是站得住腳的選擇，而基準測試方面的論據也毫無懸念：它有獨立的索引評分、系統卡、已公布的 SWE-bench Pro 成績，以及 1M 視窗搭配 128K 輸出。你付的錢，有一半是買審計軌跡，不只是買模型。

如果這項工作是高吞吐量、窄範圍的代理迴圈，提示詞穩定、語料庫由你掌控，而且帳單是限制條件，那麼一個能裝在兩張 B200 上的 65B Apache-2.0 模型，與每百萬輸出收費 20 美元的 API 相比，就是截然不同的選項。投入前要回答的問題不是「80.5 是否大於 66.4」，而是「Ripple 在 DeepSWE 上相對於我正要替換的模型得分是多少」；目前有紀錄的答案是 44.3 對 74.2。

值得關注的不是又一張廠商圖表，而是 Ripple 65B Preview 在 Terminal-Bench 4.0 上的首次獨立執行。這次比較中的所有內容都在等那個數字。